pytorch 图像预处理之减去均值,除以方差的实例

pytorch 图像预处理之减去均值图像预处理之减去均值,除以方差的实例除以方差的实例

今天小编就为大家分享一篇pytorch 图像预处理之减去均值,除以方差的实例，具有很好的参考价值，希望对大家有所帮

助。一起跟随小编过来看看吧

如下所示：如下所示：

#coding=gbk

'''

GPU上面的环境变化太复杂，这里我直接给出在笔记本CPU上面的运行时间结果

由于方式3需要将tensor转换到GPU上面，这一过程很消耗时间，大概需要十秒，故而果断抛弃这样的做法

img (1079, 1349, 3)

sub div in numpy,time 0.1899

sub div in torch.tensor,time 0.1469

sub div in torch.tensor with torchvision.transforms,time 0.1109

tensor1=tensor2

tensor2=tensor3

耗时最久的是numpy，其次是转换成torch.tensor，最快的是直接使用torchvision.transforms

我现在在GPU上面跑的程序GPU利用率特别低（大多数时间维持在2%左右，只有很少数的时间超过80%）

然后设置打印点调试程序时发现，getitem()输出一张图像的时间在0.1秒的数量级，这对于GPU而言是非常慢的

因为GPU计算速度很快，CPU加载图像和预处理图像的速度赶不上GPU的计算速度，就会导致显卡大量时间处于空闲状态

import time

import torch

import torchvision.transforms as transforms

import cv2

# img_path='/ssddata2/wyx/detection/ead_stage12/stage12_img/WL_00387.jpg'

img_path='F:\2\00004.jpg'

PIXEL_MEANS =(0.485, 0.456, 0.406) #RGB format mean and variances

PIXEL_STDS = (0.229, 0.224, 0.225)

#输入文件路径，输出的应该是转换成torch.tensor的标准形式

#方式一 在numpy中进行减去均值除以方差，最后转换成torch.tensor

img/=np.array(PIXEL_STDS)

tensor1=torch.from_numpy(img.copy())

tensor1=tensor1.permute(2,0,1)

one_end=time.time()

print('sub div in numpy,time {:.4f}'.format(one_end-one_start))

del img

#方式二 转换成torch.tensor，再减去均值除以方差

two_start=time.time()

img=cv2.imread(img_path)

img=img[:,:,::-1]